Exponential Moving Average Signalverarbeitung

Ich habe eine Reihe von Daten und eine Messung an jedem dieser Termine. Id wie zu berechnen einen exponentiellen gleitenden Durchschnitt für jeden der Termine. Weiß jemand, wie dies zu tun Im neu zu python. Es scheint nicht, dass Durchschnittswerte in die Standard-Python-Bibliothek, die mich als ein wenig seltsam schlägt gebaut werden. Vielleicht Im nicht auf der Suche nach der richtigen Stelle. Also, angesichts der folgenden Code, wie könnte ich berechnen die bewegten gewichteten Durchschnitt der IQ-Punkte für Kalendertermine (theres vermutlich eine bessere Art und Weise, die Daten zu strukturieren, würde jeder Rat geschätzt werden) Ask Jan 28 09 at 18:01 My python is a Etwas rostig (jedermann kann frei fühlen, diesen Code zu redigieren, um Korrekturen vorzunehmen, wenn Ive die Syntax irgendwie verwirrte), aber hier geht. Diese Funktion bewegt sich von dem Ende der Liste an den Anfang rückwärts, wobei der exponentielle gleitende Durchschnitt für jeden Wert durch Rückwärtsarbeiten berechnet wird, bis der Gewichtungskoeffizient für ein Element kleiner als der gegebene Wert ist. Am Ende der Funktion kehrt es die Werte um, bevor die Liste zurückgegeben wird (so dass sie in der richtigen Reihenfolge für den Aufrufer liegen). (SEITE HINWEIS: wenn ich eine andere Sprache als Python verwendet, erstellen Id eine vollständige Größe leere Array zuerst und dann füllen sie rückwärts-Reihenfolge, so dass ich wouldnt haben, um es am Ende umzukehren. Aber ich glaube nicht, können Sie erklären Eine große leere Array in python. And in Python-Listen, Anhängen ist viel weniger teuer als vorangestellt, weshalb ich baute die Liste in umgekehrter Reihenfolge. Korrigieren Sie mich, wenn Im falsch.) Das Alpha-Argument ist der Zerfallsfaktor auf jeder Iteration. Zum Beispiel, wenn Sie ein Alpha von 0,5 verwendet haben, würde der heutige gleitende Durchschnittswert aus den folgenden gewichteten Werten bestehen: Natürlich, wenn Sie eine riesige Palette von Werten erhalten haben, werden die Werte von zehn oder fünfzehn Tagen nicht viel dazu beitragen Heute gewichteter Durchschnitt. Mit dem epsilon-Argument können Sie einen Cutoff-Punkt festlegen, unterhalb dessen Sie sich nicht mehr um alte Werte kümmern (da deren Beitrag zum heutigen Wert unbedeutend ist). Youd rufen die Funktion so etwas wie folgt auf: Ich weiß nicht, Python, aber für die Mittelung Teil, meinst du ein exponentiell abklingendes Tiefpassfilter des Formulars, wo Alpha-dttau, dt der Zeitstep des Filters , Tau die Zeitkonstante des Filters (die variable-timestep Form von diesem ist wie folgt, nur Clip dttau nicht mehr als 1,0) Wenn Sie etwas wie ein Datum filtern möchten, stellen Sie sicher, dass Sie in eine Gleitkommazahl konvertieren Wie von Sekunden seit 1. Januar 1970. antwortete Jan 28 09 am 18:10 Ich fand das oben Code-Snippet von Earino ziemlich nützlich - aber ich brauchte etwas, das kontinuierlich glatt einen Strom von Werten könnte - so dass ich es umgestaltet: und ich benutze Es wie folgt: (wobei Pin. read () erzeugt den nächsten Wert Id wie zu konsumieren). Antwortete am 12. Februar 14 um 20:35 Im immer Berechnen EMAs mit Pandas: Hier ist ein Beispiel, wie es zu tun: Mehr infos über Pandas EWMA: beantwortet Oct 04 15 am 12:42 Don39t neuere Versionen von Pandas haben neue und bessere Funktionen. Ndash Cristian Ciupitu Mai 11 16 at 14:10 Beachten Sie, dass im Gegensatz zu ihrer Kalkulationstabelle, ich nicht berechnen die SMA, und ich nicht warten, um die EMA nach 10 Proben zu generieren. Dies bedeutet, meine Werte unterscheiden sich geringfügig, aber wenn Sie es Diagramm, es folgt genau nach 10 Proben. Während der ersten 10 Samples ist die EMA I berechnend geglättet. Mit Gewichtsvektor Ich meine den Vektor mit Gewichten, die Sie die Beobachtungen in dem Fenster, das über Ihre Daten gleitet multiplizieren müssen, so dass, wenn Sie diese Produkte hinzufügen zusammen gibt es den Wert zurück Der EMA auf der rechten Seite des Fensters. Für einen linear gewichteten gleitenden Durchschnitt ist die Formel für das Finden des Gewichtsvektors: (1: n) Summe (1: n) (im R-Code). Diese Reihe der Länge n addiert sich zu 1. Für n10 wird es 0.01818182 0.03636364 0.05454545 0.07272727 0.09090909 0.10909091 0.12727273 0.14545455 0.16363636 0.18181818 die Zahlen 1 bis 10 55, mit 55 die Summe der Zahlen 1 bis 10. Wie berechnen Sie den Gewichtsvektor Für einen exponentiellen gleitenden Durchschnitt (EMA) der Länge n, wenn n die Länge des Fensters ist, dann ist alphalt-2 (n1) und ilt-1: n EmaWeightVectorlt - ((alpha (1-alpha) (1-i)) ) Ist das richtig, obwohl die EMA ist nicht wirklich auf ein Fenster mit einem Start und ein Ende beschränkt, sollten nicht die Gewichte bis zu 1 genau wie mit dem LWMA Danke Jason, alle Hinweise, wie man den EMA-Filter auf jede gewünschte Genauigkeit zu approximieren Durch die Annäherung mit einem lang genug FIR-Filter There39s ein Perl-Skript auf en. wikipedia. orgwikihellip, dass das Bild der EMA Gewicht Vektor gemacht, aber ich don39t es verstehen: wenn sie die Anzahl der Gewichte auf 15 setzen, warum gibt es 20 rot Bars anstelle von 15 ndash MisterH Dec 19 12 at 22: 40 Ich habe an vielen Stellen gelesen, dass Moving Median ist ein bisschen besser als Moving Durchschnitt für einige Anwendungen, weil es weniger empfindlich auf Ausreißer ist. Ich wollte diese Aussage auf reale Daten testen, aber ich kann diesen Effekt nicht sehen (grün: median, rot: durchschnittlich). Siehe hier: Ich habe mit verschiedenen Werten für Fensterbreite (hier im Code 1000) versucht, und es war immer dasselbe: der bewegliche Median ist nicht besser als gleitender Durchschnitt (d. h. nicht weniger empfindlich auf Ausreißer). Das gleiche mit Fensterbreite 10000 (10000 die Spitzenbreite). Können Sie ein Beispiel, dass bewegende Median ist weniger empfindlich auf Ausreißer als gleitenden Durchschnitt und wenn möglich mit dem Beispiel. WAV-Datei-Daten-Set (Download-Link). D. h. es ist möglich, einen bewegten Median auf diesen Daten zu machen, so daß das Ergebnis wie diese gelbe Kurve ist (d. h. keine Spitze mehr) Dies ist nicht wirklich eine Antwort, aber ich dachte, dass ich berichte, was Im sehen und nach mehr Informationen fragen. Ive geladen Ihre test. wav Akte und ich kann das Signal sehen, das unten gezeichnet wird. So was youre, das in den Diagrammen erhält, die Sie darstellen, ist nicht soviel der Mittelwert, aber ist mehr wie eine Hüllkurve des Signals. Das zweite Problem ist, dass das Signal tatsächlich ein Teil des Signals zu sein scheint. Wenn ich in den Blip zoomen, dann ist dies, was ich sehe: Was sind Sie wirklich versuchen zu erreichen Danke für das Feedback. Unten ist einige R-Code, der die folgenden: Lädt die WAV-Datei. Nimmt den Absolutwert des Signals an (es wird durch die waveR-Bibliothek in den linken Kanal geladen). Führt einen 100-stelligen gleitenden Mittelwertfilter auf die Daten durch, um etwas näher an die Hüllkurve zu kommen (rotes Signal). Dann wendet ein Medianfilter der Längen 201, 2001 und 4001 auf das Ergebnis an (blaues Signal). Aus der Handlung unten, die beste Leistung ist die 4001 Länge ein. Andernfalls ist die Wirkung der Störung noch vorhanden. Die einzige Sache, die ich falsch jetzt sehen kann, ist, dass der Umschlag nicht mit dem zutreffenden Umschlag sowie Identifikation wie zusammenbringt. Ein besserer Hüllkurvendetektor könnte dies verbessern (z. B. das analytische Signal oder dergleichen). Unten ist eine Auftragung der berechneten Median-gefilterten Hüllkurve, die auf dem ursprünglichen Signal überlagert ist. Vielen Dank für die Zeit, die Sie für diese Frage verbracht In der Tat, ich den Mittelwert und Mittelwert der absolute Wert des Signals. Und ja, das gibt eine Vorstellung von dem Umschlag, das ist, was ich will. Was ich erwartete (dank Median statt Mittel) war so etwas. Bildschirmfoto. Unabhängig von der Fensterbreite für den Median. Die Spitze ist immer da. Während viele Dokumente sagen quotthe Median hat den Vorteil der Senkung der Wirkung der Ausreißer Wertequot. Ndash Basj Nov 30 15 am 14:01 Richtig, also fragt die Frage I39m: quotoutlier von whatquot. -) Unter direkten Median oder Mittelwert der Daten, die Sie haben, werden unsinnige Ergebnisse liefern. Die mittlere Filterung funktioniert nur dann gut, wenn einige Proben (bezogen auf die Fensterlänge) außerhalb des erwarteten Bereichs liegen. Da die Daten, die Sie haben, schwingt positiv und negativ, ist der Median isn39t wirklich geeignet für sie. Unter dem Median des Umschlags sollte besser funktionieren. Sie können sogar einen einfachen Tiefpaßfilter auf den absoluten Wert setzen, um einen stabilen Hüllkurvenwert zu erhalten. Ndash Peter K. 9830 Nov 30 15 am 14:05